PENGANTAR STATISTIKA

Oleh :
Venni Herli Sundi, M.Pd
Tes kompetensi awal

 Jelaskan pengertian statistik dan statstika menurut pengetahuan Anda?

 Menurut Anda apakah statistika penting untuk dipelajari? Jika Ya, sebutkan
tujuan atau kepentingan statistika dalam akademisi?
 Apa yang kalian ketahui tentang jenis-jenis variabel dalam penelitian?

 _______________________________
 Kerjakan di kertas selembar dan diberi nama serta NIM
 Dilarang melakukan kerjasama dalam bentuk apapun
Statistik dan Statistika
❑ Statistik : merupakan kumpulan fakta, pada umumnya
dinyatakan dalam bentuk angka dan dapat digambarkan
dalam bentuk tabel/grafik yang menggambarkan sesuatu
masalah.
❑ Statistik diartikan untuk menunjukkan keadaan sesuatu,
misalnya statistik penduduk, statistik pendidikan, statistik
pertanian. Sehingga pada hakikatnya statistik terdiri dari
fakta dan deskripsi
❑ Statistika : bidang ilmu pengetahuan yang membahas
bagaimana data diperoleh, data disajikan, data dianalisis,
serta digunakan untuk pengambilan keputusan.
❑ Statistika adalah ilmu atau metode, aturan untuk
mengumpulkan data, mengelola, menyajikan,
menganalisis/interpretasi data, dan menarik kesimpulan
 Sejarah Statistika
 Statistika berakar dari istilah istilah dalam bahasa latin
moderen statisticum collegium ("dewan negara") dan bahasa
Italia statista ("negarawan" atau politikus").
 Gottfried Achenwall (1749) menggunakan Statistik dalam
bahasa Jerman untuk pertama kalinya sebagai nama bagi
kegiatan analisis data kenegaraan, dengan mengartikannya
sebagai "ilmu tentang negara (state)".
 Pada awal abad ke-19 telah terjadi pergeseran arti menjadi
"ilmu mengenai pengumpulan dan klasifikasi data".
 Sir John Sinclair memperkenalkan nama (Statistics) dan
pengertian ini ke dalam bahasa Inggris.
 Jadi pada awalnya ilmu statistika hanya mengurus data-data
yang digunakan lembaga administratif dan pemerintah.
Sejarah Statistika (2)

 Pada abad ke-19 dan awal abad ke-20 statistika mulai

banyak menggunakan bidang-bidang dalam
matematika, terutama probabilitas.
 Cabang statistika yang pada saat ini sangat luas
digunakan untuk mendukung metode ilmiah, statistika
inferensi
 Dikembangkan pada paruh kedua abad ke-19 dan awal
abad ke-20 oleh diantaranya : Ronald Fisher(peletak
dasar statistika inferensi), Karl Pearson (metode
regresi linear), dan William Sealey Gosset (meneliti
problem sampel berukuran kecil).
Peranan Statistika
 Penggunaan statistika pada masa sekarang telah diterapkan
pada semua bidang ilmu pengetahuan diantaranya bidang:
- Biologi
- Pendidikan
- Psikologi
- Ekonomi
- Industri
- Kependudukan
- Kedokteran
- Dan lain-lain
Kegunaan Statistika :
1. Sebagai alat bantu dalam pengambilan
keputusan
2. Menjelaskan hubungan antar variabel
3. Membuat rencana dan peramalan
4. Mengatasi perubahan-perubahan
Karakteristik Statistik
 Selalu bekerja dengan angka-angka atau bilangan. Untuk dapat menjalankan
fungsinya, statistik memerlukan bahan keterangan (data) dalam bentuk
angka.
 Statistik bersifat obyektif, artinya statistik selalu bekerja menurut obyeknya.
Kesimpulan-kesimpulan yang dihasilkan, dan juga ramalan (prediksi) yang
dikemukakan oleh statistik semata-mata didasarkan atas data yang dihadapi
dan diolah, bukan didasarkan atas subyektivitas penggunanya.
 Statistik menggunakan logika induktif, artinya dalam menjalankan fungsinya
sebagai alat bantu dalam mendeskripsikan suatu kejadian atau keadaan,
kesimpulan yang dihasilkan statistik selalu didasarkan atas kasus-kasus khusus
kemudian digeneralisasikan menjadi kesimpulan uang bersifat umum.
 Statistik bersifat universal, artinya ruang lingkup bidang garapan statistik
tidak hanya terbatas pada satu bidang tertentu saja, melainkan dapat
digunakan dalam hampir semua semua kegiatan atau segi kehidupan manusia.
Jenis-jenis Statistika
1. Berdasarkan Orientasi Pembahasan
 Statistik matematika, yaitu statistik yang lebih
mengedapankan pemahaman terhadap model,
rumus-rumus statistika secara matematika-
teoritis, penurunan konsep. Misalnya, uji
normalitas, analisis regresi, galat, dan lain-lain.
 Statistik terapan, yaitu statistik yang lebih
mengedapankan pada pemahaman konsep,
teknik statistika, serta penerapannya dalam
disiplin ilmu tertentu. Misalnya statistika sosial
Jenis-jenis Statistika
2. Berdasarkan Fase dan Tujuan Analisis
 Statistik deskriptif, yaitu statistik yang
berhubungan dengan pengumpulan pengolahan,
analisis, dan penyajian data tanpa adanya
kesimpulan secara umum. Bentuk statistik ini
umumnya dalam tabel, grafik, diagram, modus,
dan lain-lain.
 Statistik inferensial, yaitu statistik yang
prosesnya memungkinan diambilnya kesimpulan
secara umum terhadap data yang diolah.
Jenis-jenis Statistika
3. Berdasarkan Asumsi Distribusi Populasi Data

 Statistik parametik, yaitu statistik yang

dilakukan berdasarkan model distribusi normal.
 Statistik non-parametik, yaitu statistik yang
dilakukan dengan metode distribusi bebas atau
tidak berdasarkan pada model distribusi
normal.
Jenis-jenis Statistika
4. Berdasarkan Jumlah Variabel Terikat
(Independent Variable)

 Statistik univariat, yaitu statistik yang hanya

mempunyai satu variabel terikat.
 Statistik multivariat, yaitu statistik yang
mempunyai lebih dari satu variabel terikat.
Jenis-Jenis Variabel
Variabel berasal dari kata “vary” dan “able” yang berarti “berubah” dan
“dapat”. Jadi, secara harfiah variabel berarti dapat berubah, sehingga
setiap variabel dapat diberi nilai dan nilai itu berubah-ubah. Nilai
tersebut bisa kuntitatif (terukur dan atau terhitung, dapat dinyatakan
dengan angka) juga bisa kualitatif (jumlah dan derajat atributnya yang
dinyatakan dengan nilai mutu).

Variabel merupakan element penting dalam masalah penelitian. Dalam

statistik, variabel didefinisikan sebagai konsep, kualitas, karakteristik,
atribut, atau sifat-sifat dari suatu objek (orang, benda, tempat, dll)
yang nilainya berbeda-beda antara satu objek dengan objek lainnya dan
sudah ditetapkan oleh peneliti untuk dipelajari dan ditarik
kesimpulannya.
Jenis-Jenis Variabel

 Variabel adalah ciri atau sifat suatu objek penelitian yang mempunyai
variasi. Misalnya Kursi adalah objek penelitian, variabel kursi adalah :
bentuk, warna, ukuran, di mana bentuk, warna, ukuran disebut
atribut dari variabel kursi. Variabel merupakan pengelompokan dua
atau lebih atribut (Amos Neolaka : 2014)

 Menurut Sugiyono (2016), ada 5 macam-macam variabel penelitian

yaitu : Variabel Independen (bebas), Variabel Dependen (terikat),
Variabel Moderator, Variabel Intervening, dan Variabel Kontrol.
Jenis-Jenis Variabel

1. Variabel Independen

Variabel Independen atau yang sering disebut dengan

variabel bebas merupakan variabel yang mempengaruhi atau
menjadi sebab perubahannya.

2. Variabel Dependen

Variabel Dependen atau yang sering disebut dengan variabel

terikat merupakan variabel yang dipengaruhi atau yang
menjadi akibat perubahannya.
 Jenis-Jenis Variabel

Contoh
Judul : Penerapan Strategi Pembelajaran Kreatif-Produktif Terhadap Hasil Belajar
Matematika Siswa”

Variabel bebas (independent variable) atau variabel X adalah variabel yang memberi
pengaruh terhadap variabel lain. Dalam penelitian ini yang menjadi variabel X adalah
“Penerapan strategi pembelajaran kreatif-produktif”.

Variabel terikat (dependent variable) atau variabel Y yaitu variabel yang di pengaruhi
oleh variabel bebas. Variabel dalam penelitian ini adalah “Hasil belajar matematika
 Jenis-Jenis Variabel
3. Variabel Moderator
Variabel Moderator merupakan variabel yang mempengaruhi
(memperkuat dan memperlemah) hubungan antara variabel bebas
dan variabel terikat.
Contoh:
Hubungan motivasi dan prestasi belajar akan semakin kuat
(baik) bila peranan guru dalam menciptakan iklim belajar
sangat baik, dan hubungan semakin rendah bila peranan guru
kurang baik dalam menciptakan iklim belajar.
 Jenis-Jenis Variabel
4. Variabel Intervening

"An intervening variable is that factor that theoretically affect the

observed phenomenon but cannot be seen, measure, or
manipulate" (Tuckman,1988 dalam Sugiyono 2016), Variabel intervening
adalah variabel yang secara teoritis mempengaruhi hubungan antara
variabel independen dan dependen, tetapi tidak dapat diamati dan
diukur.

Variabel ini merupakan variabel penyela/antara yang terletak di antara

variabel bebas dan terikat, sehingga variabel bebas dan terikat tidak
langsung mempengaruhi berubahnya atau timbulnya variabel terikat.
Jenis-Jenis Variabel

5. Variabel Kontrol

Variabel kontrol merupakan variabel yang dikendalikan atau dibuat

konstan sehingga hubungan variabel independen terhadap
dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti.

Variabel kontrol sering digunakan oleh peneliti, bila akan

melakukan penelitian yang bersifat membandingkan, melalui
penelitian eksperimen.
 Skala Pengukuran Data
1. Skala nominal (klasifikasi)

Skala nominal adalah skala pengukuran berupa bilangan atau

lambang-lambang lain untuk mengelompokan objek, orang, atau
barang-barang lainnya. Misalkan: jenis kelamin, pekerjaan, golongan
darah, dll

Ciri data : antar kelompok posisinya setara

2. Skala ordinal (rangking)

Skala ordinal adalah skala pengukuran yang mengelompokan

objek-objek kedalam kelas-kelas yang mempunyai hubungan urutan
satu dengan yang lainnya. Misalkan: kepuasan konsumen, pendidikan,
pangkat, dll

Ciridata : antar kelompok posisinya tidak setara

Skala Pengukuran Data

3.Skala interval

Skala interval adalah skala yang mengelompokan objek-objek

kedalam kelas-kelas yang mempunyai hubungan urutan, dimana
jarak 2 titik pada skala telah diketahui. Misalkan: temperatur,
nilai ujian, dll

Ciri data : tidak terdapat kategorisasi atau pemberian kode

seperti pada skala nominal dan ordinal. Titik nol dan unit
pengukuran sembarang (tidak mutlak)
 Skala Pengukuran Data

4. Skala rasio

Skala rasio adalah skala yang mengelompokan objek-objek kedalam

kelas-kelas yang mempunyai hubungan urutan dan berbeda dalam
jarak objek yang satu dengan yang lainnya serta titik nolnya tidak
sembarang (mutlak).Misalkan panjang, luas, volume, berat, jumlah
produksi, dll

Ciri data yang dihasilkan data rasio adalah tidak terdapat kategorisasi
dan titik nol tidak sembarang (mutlak benar-benar 0)
Latihan
Tentukan jenis variable dari Judul “Pengaruh Intensitas Sinar
Matahari Terhadap Pertumbuhan & Produksi Kacang Kedelai”

Variabel Bebas-nya adalah: Intensitas cahaya.

Variabel Kontrol-nya adalah: Jenis medium tanah, jenis

kacang kedelai, lokasi penanaman, jumlah penyiraman.

Variebal Terikat-nya adalah: Pertumbuhan dan produksi

tanaman.
Latihan
Tentukan jenis variable dari Judul “PENGARUH MODEL KOOPERATIF TIPE
THINK-PAIR-SHARE (TPS) TERHADAP KEMAMPUAN PENYELESAIAN
MASALAH DAN DISPOSISI MATEMATIS DITINJAU DARI KEMAMPUAN AWAL
MATEMATIKA SMP SWASTA ISLAM DI TANGERANG SELATAN”

 Variabel bebas yang dimaksud adalah model pembelajaran.

 Variabel kontrol adalah kemampuan awal Matematika. Kemampuan

awal Matematika siswa dibagi menjadi dua, yaitu kemampuan awal
Matematika tinggi (B1) dan kemampuan awal Matematika rendah (B2).

 Variabel terikat aadalah Kemampuan penyelesaian masalah dan

disposisi matematis
PENYAJIAN
DATA

STATISTIKA PENDIDIKAN

PGSD FIP UMJ

Venni Herli Sundi, M. Pd

Penyajian Data

Penyajian Data bertujuan untuk

mempermudah dan mempercepat orang
membaca dan memahami informasi dan
data kuantitatif yang disampaikan orang
lain.
Purwanto (2011:90) “Penyajian Data dalam
bentuk grafik menggambarkan data secara
visual dalam sebuah gambar”
 Menurut Purwanto (2011:90) data berdasarkan
sifatnya dibagi 2,yaitu :

Data Data
Nominal Kontinue
Penyajian data Penyajian data
menggunakan menggunakan

Grafik, batang, Histogram,

lambang, atau poligon, atau
lingkaran. kurva.
Penyajian Data :

1. Menyajikan data ke dalam tabel

2. Menyajikan data ke dalam grafik
3. Menyajikan data tunggal dan
kelompok
1. TABEL

Penyajian data bentuk tabel adalah penyajian data yang

paling banyak digunakan.

Terdapat dua macam tabel :

a. Tabel biasa
b. Tabel distribusi frekuensi
Tabel Biasa
Tabel distribusi frekuensi
Tabel distribusi frekuensi komulatif
dengan tally
2. GRAFIK

Grafik • Menunjukkan perkembangan suatu

Garis keadaan.
• Ketepatan membuat skala pada garis
(polygon) vertikal mencerminkan keadaan jumlah
hasil observasi.

• Visualisasi grafik batang di fokuskan pada

Grafik luas batang, namun kebanyakan penyajian
Batang data grafik batang dibuat sama pada lebar
(histogram) batang sedangkan yang bervariasi adalah
tingginya.
Grafik garis
Grafik batang
b. Tabel distribusi frekuensi
Berikut ini data hasil penelitian tentang kompetisi mengajar 100 guru
di kota tertentu (data fiktif)
45 70 49 65 53 65 65 53 74 57
57 75 60 70 75 78 70 74 63 65
63 63 80 63 80 63 65 74 65 65
53 65 50 65 74 65 63 65 70 70
74 65 65 53 65 65 70 85 70 78
70 45 70 70 63 70 70 65 70 74
60 70 74 57 74 74 63 65 74 70
65 74 65 74 74 65 74 75 75 75
75 60 75 75 60 75 78 60 78 78
70 78 63 80 80 63 80 90 70 85
Menyusun daftar distribusi frekuensi
tersebut

a) Menentukan rentang (J) =

Data terbesar – data terkecil = 90 – 45 = 45
b) Menentukan banyaknya kelas
(biasanya 5 – 15) atau menggunakan aturan Sturgess dengan
rumus :
Banyak kelas (BK) = 1 + 3,3 log 100 =
1 + 3,3 x 2 = 7,6
(karena proses membilang maka ada dua yaitu
(BK) = 7 atau (BK) = 8
 𝑅𝑒𝑛𝑡𝑎𝑛𝑔 (𝐽)
c) Panjang kelas (p) = =
𝐵𝑎𝑛𝑦𝑎𝑘 𝐾𝑒𝑙𝑎𝑠 (𝐵𝐾)

45 : 8 = 5, 625 ≈ 6

Syarat: (BK) . p ≥ J + 1, misal (BK) = 8 maka

8 x 6 = 45 + 1 (benar)

d) Menyusun tabel distribusi frekuensi

NIlai Nilai Tengah (X) Frekuensi absolut (f)
Tabel Daftar Distribusi Frekuensi Kompetensi Mengajar Guru

Nilai Nilai Tengah Frekuensi

(X) absolut (f)
45 – 50 47,5 4
51 – 56 53,5 4
57 – 62 59,5 8
63 – 68 65,5 30
69 – 74 71,5 31
75 – 80 77,5 20
81 - 86 83,5 2
87 - 92 89,5 1
Jumlah - 100
Tabel distribusi frekuensi relatif komulatif
(komulatif kurang dari)
Nilai Frekuensi komulatif
Kurang dari 45 0
Kurang dari 51 4
Kurang dari 57 8
Kurang dari 63 16
Kurang dari 69 46
Kurang dari 75 77
Kurang dari 81 97
Kurang dari 87 99
Kurang dari 93 100
Tabel distribusi frekuensi relatif
komulatif (komulatif lebih dari)
Nilai Frekuensi komulatif
45 atau lebih dari 100
51 atau lebih dari 96
57 atau lebih dari 92
63 atau lebih dari 84
69 atau lebih dari 54
75 atau lebih dari 23
81 atau lebih dari 3
87 atau lebih dari 1
93 atau lebih dari 0
TUGAS

1. Jelaskan apa yang di maksud penyajian data?

2. Menurut anda diagram atau grafik apa yang sesuai
untuk menggambaran keadaan dari tabel berikut.
Berikan kesimpulan dari analisis anda!
 Tenaga ahli dan penduduk di beberapa
negara

Negara Jumlah doktor/sejuta

penduduk
Amerika Serika 6500
Jepang 6500
Jerman 4000
Prancis 5000
India 1250
Israel 16500
Mesir 400
3. Berikut ini hasil ujian mata kuliah
statistika 80 mahasiswa
79 49 48 74 81 98 87 80
80 84 90 70 91 93 82 78
70 71 92 38 56 81 74 73
68 72 85 51 65 93 83 86
90 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75
Lanjutan noo. 3
a. Susunlah daftar distribusi frekuensi dari data
tsb!
b. Susunlah daftar distribusi frekuensi relatif
dan distribusi komulatif.
c. Buatlah histogram dan polygon frekuensi.
d. Buatlah “ogive kurang” dari atau “lebih dari”
STATISTIKA
VENNI HERLI SUNDI, M.PD
Ukuran Pemusatan
Ukuran pemusatan adalah nilai tunggal yang
mewakili suatu kumpulan data dan menunjukkan
karakteristik data.
Ukuran pemusatan menunjukkan pusat dari nilai data.
Untuk memberikan distribusi seperangkat data
apakah itu berupa populasi atau sampel, langkah
pertama adalah menentukan ukuran pemusatan
data.
 Manfaat Ukuran Pemusatan
❑ untuk membandingkan dua populasi atau contoh, karena
sangat sulit untuk membandingkan masing-masing anggota
dari masing-masing anggota populasi atau masing-masing
anggota data contoh.
❑ Untuk memperoleh gambaran yang lebih jelas tentang
sekumpulan data, baik sampel maupun populasi, diperlukan
ukuran-ukuran yang merupakan wakil dari kumpulan data
tersebut
Macam-Macam Ukuran Pemusatan

❑ Mean
❑ Modus
❑ Median
❑ Kuartil
❑ Desil
❑ Persentil
Formula Pemusatan Data
 Mean

Perhitungan rata-rata (mean) didapat dari jumlah nilai seluruh data

dibagi dengan banyaknya data.
Ini bisa dilakukan baik untuk data tunggal maupun data berkelompok.

Mean Data Tunggal

• Perhitungan rata-rata (𝑥)ҧ untuk data tunggal menggunakan rumus
sebagai berikut : σ𝑥 𝑖
𝑥ҧ =
𝑛
σ 𝑥𝑖 = Penjumlahan unsur pada variabel 𝑥
n = jumlah subjek
 Mean

Contoh Soal Mean Data Tunggal

• Usia tujuh orang mahasiswa Program Studi Teknik
Informatika adalah : 19, 20,18, 26 ,21, 23, 24. Berapakah
rata-rata usia ke tujuh orang mahasiswa tersebut ?

σ 𝑥𝑖
𝑥ҧ =
𝑛
 Mean
Mean Data Berkelompok
• Perhitungan rata-rata (𝑥ҧ ) untuk data berkelompok
menggunakan rumus sebagai berikut :

σ 𝑓𝑖 𝑥𝑖
𝑥ҧ =
σ 𝑓𝑖
𝑥𝑖 = nilai-nilai pengamatan yang diwakili dengan nilai
tengah kelas
𝑓𝑖 = frekuensi relatif tiap kelas interval
σ 𝑓𝑖 = n = jumlah subjek
 Mean
Contoh Soal Mean Data Berkelompok

Hasil ujian mahasiswa

Teknik Informatika yang
berjumlah 54 orang
telah diolah dan
disajikan dalam tabel di
samping ini :

Berapakah nilai Mean

dari data tersebut ?
 Mean

1. Kita buat kolom xi

sebagai bantuan, yaitu
nilai tengah dari
kategori nilai

2. Kita buat juga kolom fi.xi

sebagai bantuan, yaitu nilai
hasil kali xi dengan fi

σ 𝑓𝑖 𝑥𝑖 3845
𝑥ҧ = = = 71,203
σ 𝑓𝑖 54
 Median

Median adalah nilai yang persis berada di tengah jika suatu angkatan
data diurutkan dari nilai terkecil / terendah sampai terbesar / tertinggi
atau sebaliknya. Perhitungan median juga menggunakan teknik yang
berbeda antara data tak berkelompok/tunggal dengan data
berkelompok atau bergolong.
Median Data Tunggal
• Ada satu kelompok nilai yang telah diurutkan sebagai berikut : 60, 61,
62, 64, 65, 66, 67. Untuk kelompok nilai tadi, mediannya adalah 64
karena persis berada di tengah.

• Nilai : 60, 61, 62, 64, 65, 66, 67, 68

Nilai yang persis di tengah dari urutan nilai di
Me =
atas bukan lagi satu nilai tetapi telah menjadi
dua nilai yaitu 64, dan 65.
 Median Data Berkelompok

Untuk data berkelompok menentukan mediannya (𝑀𝑒) diawali

dengan menentukan kelas median, kemudian menentukan
median kelas tersebut dengan persamaan berikut :
𝑛
− 𝑓𝑘
𝑀𝑒 = 𝑇𝐵 + 2 𝐶
𝑓𝑀𝑒
n = jumlah individu frekuensi
𝑓𝑀𝑒 = frekuensi relatif kelas median
𝑓𝑘 = frekuensi kumulatif sebelum kelas yang dimaksud
𝑇𝐵 = tepi bawah = ( BB – 0,5 )
𝐶 = interval/panjang kelas = (BA – BB) + 1
 Median Data Berkelompok

Contoh Soal Median Data

Berkelompok :

Hasil ujian mahasiswa PGSD yang

berjumlah 54 orang telah diolah dan
disajikan dalam tabel di samping ini
:
Berapakah nilai Median dari data
tersebut ?
 Median Data Berkelompok

fk
1. Kita buat kolom F
sebagai bantuan, 2
5
yaitu nilai
10
frekuensi kumulatif
19
29
2. Kita tentukan kelas 41
median 48
berdasarkan 50
frekuensi kumulatif 53
dari setengah 54
jumlah data

Karena data ke 27 ada di kelas ke 5 ( 29 ),

maka kita tentukan kelas median adalah
kelas ke 5
 Median Data Berkelompok

fk
3. Kita tentukan nilai
tepi bawah dari 2
5
nilai minimum
10
kelas median 19
4. Kita tentukan nilai 29
interval 41
48
50
53
54

Tepi bawah = 𝑇𝐵 = BB Kelas Median – 0,5

= 68 – 0,5 = 67,5
Interval = C = ( BA – BB ) +1
= ( 72 – 68 ) + 1 = 5
 Median Data Berkelompok

fk
5. Kita tentukan nilai
frekuensi kumulatif 2
5
F
10
6. Kita tentukan 19
frekuensi relatif 29
(𝑓𝑀𝑒 ) dari kelas 41
median 48
50
53
54

Karena kelas Median adalah kelas ke 5, fk = 19

maka kita gunakan nilai F dengan nilai
frekuensi kumulatif sebelum kelas Median
( nilai F sebelum F kelas Median) 𝑓𝑀𝑒 =fi = 10
Median Data Berkelompok

8. Kita hitung median ( Me ) dengan menggunakan

rumus Median untuk data berkelompok
𝑛
− 𝑓𝑘
𝑀𝑒 = 𝑇𝐵 + 2 𝐶
𝑓𝑀𝑒
54
− 19
= 67,5 + 2 5
10
 Modus
Modus dapat dipahami sebagai nilai yang sering muncul
atau suatu kelompok nilai yang memiliki frekuensi relatif
terbesar.

Modus Data Tunggal

• Perhitungan modus untuk data tunggal menggunakan
rumus sebagai berikut :

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
3 3 4 5 5 5 7 8 9 9
65

• Modus ( Mo ) = 5
 Modus Data Berkelompok

Modus Data Berkelompok

• Perhitungan modus (𝑀𝑜) untuk data berkelompok
menggunakan rumus sebagai berikut :
𝑑1
𝑀𝑜 = 𝑇𝐵 + 𝐶
𝑑1 + 𝑑2
𝑑1 = frekuensi relatif kelas modus dikurangi frekueinsi
relatif kelas sebelumnya
𝑑2 = frekuensi relatif kelas modus dikurangi frekueinsi
relatif kelas berikutnya
𝑇𝐵 = tepi bawah = ( BB – 0,5 )
𝐶 = interval/panjang kelas = (BA – BB) + 1
 Modus Data Berkelompok

Contoh Soal Modus Data Berkelompok

Hasil ujian
mahasiswa PGSD
yang berjumlah 54
orang telah diolah
dan disajikan
dalam tabel di
samping ini :

Berapakah nilai Modus dari data tersebut ?

Modus Data Berkelompok

1. Kita tentukan kelas

Modus dengan memilih
kelas yang memiliki
frekuensi relatif
terbesar

2. Kita tentukan tepi

bawah dari nilai
minimum kelas Modus

Tepi bawah = 𝑇𝐵 = BB Kelas Modus – 0,5 Kelas Modus

= 73 – 0,5 = 72,5
 Modus Data Berkelompok

3. Kita tentukan nilai

interval
Interval = C = ( BA – BB ) +1
= ( 77 – 73 ) + 1 = 5

4. Kita tentukan nilai b1

dengan menghitung
selisih fi kelas Modus
dengan nilai fi kelas
sebelumnya

d1 = fi ( Modus ) - fi ( Modus – 1 )
= 12 – 10 = 2
 Modus Data Berkelompok

5. Kita tentukan nilai b2

dengan menghitung
selisih fi kelas Modus
dengan nilai fi kelas
setelahnya
d2 = fi ( Modus ) - fi ( Modus + 1 )
= 12 – 7 = 5
6. Menghitung Modus
dengan rumus Modus untuk
data berkelompok
𝑑1
𝑀𝑜 = 𝑇𝐵 + 𝐶
𝑑1 + 𝑑2
 Kuartil
Nilai yang membagi data menjadi 4 bagian
Kuartil Data Tunggal
• Perhitungan kuartil untuk data tunggal menggunakan
rumus sebagai berikut :

i = menunjukkan kuartil ke berapa yang hendak dihitung

n = jumlah individu frekuensi

Contoh Soal Kuartil Data Tunggal

• Diketahui data sebagai berikut : 3, 3, 4, 5, 5,
5, 7, 8, 9, 9 .
• Tentukan Kuartil ke-3 !
Kuartil

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
3 3 4 5 5 5 7 8 9 9
Kuartil

Kuartil Data Berkelompok

• Perhitungan kuartil untuk data berkelompok
menggunakan rumus sebagai berikut :
𝑖𝑛
− 𝑓𝑘
𝑄𝑖 = 𝑇𝐵 + 4 𝐶
𝑓𝑄𝑖

i = menunjukkan Kuartil ke berapa yang hendak

dihitung
n = jumlah individu frekuensi
𝑓𝑄𝑖 = frekuensi kelas kuartil
= frekuensi kumulatif sebelum kelas yang dimaksud
= tepi bawah = ( BB – 0,5 )
C = interval/panjang kelas = BA – BB + 1
Kuartil
Contoh Soal Kuartil Data Berkelompok
• Diketahui data sebagai berikut :
Nomor fi fk
10 – 14 3 3
15 – 19 6 9
20 – 24 9 18
25 – 29 8 26
30 – 34 4 30

• Tentukan Kuartil ke - 1 !
 Kuartil
1. Kita tentukan kelas Nomor fi fk
Kuartil 1 ( Q1 ) 10 – 14 3 3
15 – 19 6 9
20 – 24 9 18
data ke 7,5 terletak di kelas ke 2 25 – 29 8 26
30 – 34 4 30
1. Kita hitung nilai
Kuartil 1 ( Q1 )

𝑖𝑛
4 − 𝑓𝑘
𝑄1 = 𝑇𝐵 + 𝐶
𝑓𝑄1
Desil

Nilai yang membagi data menjadi 10 bagian

Desil Data Tunggal

• Perhitungan desil untuk data tunggal
menggunakan rumus sebagai berikut :

i = 1, 2 , 3, 4, .....9

i = menunjukkan desil ke berapa

yang hendak dihitung
n = jumlah individu frekuensi
 Desil
Contoh Soal Desil Data Tunggal
• Diketahui data sebagai berikut : 3, 3, 4, 5,
5, 5, 7, 8, 9, 9 .
• Tentukan Desil ke-7 !

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
3 3 4 5 5 5 7 8 9 9
Desil
Desil Data Berkelompok
• Perhitungan desil untuk data berkelompok
menggunakan rumus sebagai berikut :
𝑖𝑛
− 𝑓𝑘
𝐷𝑖 = 𝑇𝐵 + 10 𝐶
𝑓𝐷𝑖

i = menunjukkan Desill ke berapa yang hendak

dihitung
n = jumlah individu frekuensi
𝑓𝐷𝑖 = frekuensi kelas Desil
= frekuensi kumulatif sebelum kelas yang
dimaksud
= tepi bawah = ( BB – 0,5 )
C = interval/panjang kelas = BA – BB + 1
Desil
Contoh Soal Desil Data Berkelompok
• Diketahui data sebagai berikut :
Nomor fi Fk
10 – 14 3 3
15 – 19 6 9
20 – 24 9 18
25 – 29 8 26
30 – 34 4 30

• Tentukan Desil ke - 8 !
 Desil
1. Kita tentukan kelas Nomor fi Fk
Desil 8 ( D8 ) 10 – 14 3 3
15 – 19 6 9
20 – 24 9 18
data ke 24 terletak di kelas ke 4 25 – 29 8 26
30 – 34 4 30
1. Kita hitung nilai
Desil 8 ( D8 )

𝑖𝑛
− 𝑓𝑘
𝐷8 = 𝑇𝐵 + 10 𝐶
𝑓𝐷8
Persentil

Nilai yang membagi data menjadi 100 bagian

Persentil Data Tunggal

• Perhitungan desil untuk data tunggal
menggunakan rumus sebagai berikut :

Keterangan :
Pi adalah pesentil ke-i
n adalah banyaknya data
Persentil
Contoh Soal Persentil Data Tunggal
• Diketahui sebuah deret data 9, 10, 11, 6, 8, 7, 7, 5, 4, 5
Tentukan persentil ke-75 dan persentil ke-30 ?
Jawab:
Data diurutkan: 4, 5, 5, 6, 7, 7, 8, 9, 10, 11
Letak nilai persentil ke-75 di urutan data ke-
75(10 +1)/100 = 8,25.
P75 = x8 + 0,25 (x9 – x8) = 9 + 0,25 (10 – 9) = 9,25
Jadi, Persentil ke-75 = 9,25
Letak nilai persentil ke-30 di urutan data ke-
30(10 +1)/100 = 330/100 = 3,3.
P30 = x3 + 0,3 (x4 – x3) = 5 + 0,3 (6 – 5) = 5,3
Jadi, Persentil ke-30 = 5,3
Persentil
Persentil Data Berkelompok
• Perhitungan persentil untuk data berkelompok
menggunakan rumus sebagai berikut :

Keterangan :
•i = bilangan bulat yang kurang dari 100 (1, 2, 3, 4, 5, ….… ,99).
•Tb = Tepi bawah kelas persentil.
•n = Jumlah seluruh frekuensi.
•f k = Jumlah frekuensi sebelum kelas persentil.
•f i = Frekuensi kelas persentil.
•p = Panjang kelas interval.
Persentil
Contoh Soal Persentil Data Berkelompok
• Diketahui data sebagai berikut :

• Tentukan Desil ke - 25 !
 Persentil
Letak Persentil ke 25 =
(25/100). 40 = 10, yakni data
pada tabel ke 10 dan kelas
pada Persentil ke 25 = 51 – 55
sehingga diperoleh :
 LATIHAN

1. Tentukan rata-rata (mean), modus, median,

kuartil pertama (Q1), dan desil ke empat
(D4) dari data tunggal berikut.
a. 11, 13, 14, 17, 17, 18, 19, 20

b. 102, 105, 103, 106, 104, 102, 101, 105, 102

2. Dari tabel data kelompok berikut ini.
Tentukanlah rata-rata(mean), median, modus, kuartil ke tiga, dan desil ke
tujuh!

Berat (kg) frekuensi

31-36 4
37-42 6
43-48 9
49-54 14
55-60 10
61-66 5
67-72 2
Terima
UKURAN PENYEBARAN
(VARIABELITAS)
Statistika Pendidikan
Venni Herli Sundi, M. Pd
FIP UMJ
Ukuran Penyebaran atau dispersi digunakan
untuk menggambarkan bagaimana
menyebarnya atau berpencarnya data
kuantitatif.
Beberapa ukuran penyebaran data yaitu :
1. Rentang
2. Rentang antar Quartil
3. Simpangan Quartil
4. Rata-rata Simpangan
5. Simpangan baku
6. Koefisien Variansi
7. Koefisien kemiringan
8. Koefisien kurtosis
DATA TUNGGAL
Diberikan data hasil ujian statistika
mahasiswa : 9, 7, 6, 5, 5, 6, 4, 7, 8, 8, 7.
1. Rentang
Rentang adalah data terbesar (DB) dikurangi data
terkecil (DK) atau R = DB – DK = 9 – 4 = 5

2. Rentang Antar Quartil (RAQ)

Rentang antar Quartil adalah Q3 – Q1 = 8 – 5 = 3
(urutkan dahulu data yang ada)
4, 5 , 5, 6, 6, 7, 7, 7, 8, 8, 9
Q1 Q2 Q3
3. Simpangan Quartil (SQ)

Simpangan Quartil adalah dari rentang antar Quartil.

SQ = ½ (Q3 – Q1 ) = ½ RAQ

Untuk data sebelumnya maka :

SQ = ½ ( 8 – 5) = ½ (3) = 1,5
4. Rerata Simpangan (RS)
Rata-rata simpangan adalah jumlah harga mutlak dari
setiap data terhadap rata-rata dibagi banyaknya data, dg
rumus :
ത
σ |𝑋𝑖 −𝑋|
RS = 𝑛
4+5+5+6+6+7+7+7+8+8+9 72
ത
• Dimana 𝑋 = = = 6,55
11 11
• Sehingga Rata-rata simpangan (RS)
RS
4 −6,55 +2. 5 −6,55 +2. 6 −6,55 +3. 7−6,55 +2. 8−6,55 +|9−6,55|
= 11
= 1,41
5. Simpangan Baku atau Standar Deviasi (SD)
Simbol Standar Deviasi untuk sampel = s
Simbol Standar Deviasi untuk populasi = 𝝈
Varians adalah pangkat dua dari standar deviasi
Sehingga varians untuk sampel yaitu s2
dan varians untuk populasi yaitu 𝝈2
Dengan demikian s dan s2 merupakan statistik
sedangkan 𝜎 dan 𝜎2 merupakan parameter.
Sehingga rumus SD untuk sampel dan populasi:
2 2
σ 𝑓 𝑥𝑖 − ( σ 𝑓𝑥𝑖 )2 /n σ 𝑓 𝑥𝑖 − ( σ 𝑓𝑥𝑖 )2 /n
s= 𝝈=
𝑛 −1 𝒏
• Contoh :
• Standar deviasi untuk data 9, 7, 6, 5, 5, 6, 4, 7, 8, 8, 7 dapat
dihitung dengan tabel berikut :
𝑿𝒊 𝐟𝒊 𝟐 𝑿𝒊 𝐟𝒊 𝟐
𝑿𝒊 𝐟𝒊 𝑿𝟏
4 1 16 4 16
5 2 25 10 50
6 2 36 12 72
7 3 49 21 147
8 2 64 16 128
9 1 81 9 82
Jumlah 11 - 72 494

Sehingga simpangan standar deviasi sampel :

72)2
494 −( 11 )
s= = 2,2727 = 1, 508
11−1
lanjutan
• Sehingga simpangan standar deviasi sampel :
72)2
494 −( 11 )
• s= = 2,2727 = 1, 508
11−1

• Maka varians nya adalah s2

Yaitu 1,5082 = 2,2727
6. Koefisien Varians (KV)
Koefisien Varians biasa digunakan untuk membandingkan
dua data yang berbeda sumbernya, misalnya
membandingkan data hasil ujian statistika dan hasil ujian
akutansi.
Koefisien varians dinyatakan dalam persen dan
dinyatakan dengan rumus:
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖
KV = x 100 %, sehingga
𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
1,508
KV = × 100% = 23,02%
6,55
Artinya jarak atau kedekatan variasi data ke rata-rata
adalah 23,02%
7. Koefisien kemiringan (𝜶𝟑 )
Distribusi yang tidak simetris disebut miring
(swekness). Distribusi miring ada dua yaitu
miring positif dan miring negatif.
▪ Distribusi miring positif atau landai kanan,
bila ekor kanan lebih panjang dari ekor kiri.
▪ Distribusi miring negatif atau landai kiri, bila
ekor kiri lebih panjang dari ekor kanan.
• Koefisien kemiringan Pearson dihitung dengan
rumus:
ഥ −𝑚𝑒)
3 (× ഥ −𝑚𝑜)
(×
𝜶𝟑 = 𝑠
atau 𝜶𝟑 = 𝑠
untuk data:
4, 5, 5, 6, 6, 7, 7,7 8, 8, 9
Diperoleh × ഥ = 6,55 mo = 7, sehingga kalau kita
ഥ −𝑚𝑜)
(×
menggunakan rumus 𝜶𝟑 = 𝑠
(6,55 −7,00)
maka 𝜶𝟑 = = -2,98
1,508
Karena berharga negatif, maka distribusi data miring
negatif atau landai kiri.
Dengan kata lain kecenderungan data mengumpul di
atas rata-rata.
8. Koefisien Kurtosis (𝜶𝟒 )
Koefisien kurtosis adalah ukuran keruncingan dari
distribusi data. Makin runcing suatu kurva maka makin
kecil simpangan baku sehingga data makin mengelompok.
Ukuran keruncingan suatu distribusi dinyatakan dengan
koefisien kurtosis, dengan rumus:
𝟏
(𝑸𝟑 − 𝑸𝟏 )
𝟐
𝜶𝟒 = dengan,
𝑷𝟗𝟎 − 𝑷𝟏𝟎
Kriteria untuk koefisien 𝜶𝟒 sebagai berikut :
1) Jika 𝜶𝟒 > 0,263 maka model kurva runcing (leptokurtis)
2) Jika 𝜶𝟒 = 0,263 maka model kurva normal (mesokurtis)
3) Jika 𝜶𝟒 < 0,263 maka model kurva datar (platikurtis)
• Untuk data di atas dengan Q1 = 5, Q3 = 8, P10 = 4,2 , P90
= 8,8 diperoleh :
𝟏 1
(𝑸𝟑 − 𝑸𝟏 ) (8−5) 1,5
• 𝜶𝟒 = 𝟐
𝑷𝟗𝟎 − 𝑷𝟏𝟎
2
= 8,8 −4,2 = 4,6
= 0,326

• Karena 0,326 > 0,263 . Maka model kurva adalah runcing

(leptokurtis)
DATA KELOMPOK
• Penentuan ukuran penyebaran data berkelompok
berdasarkan data kompetensi mengajar guru pada
pertemuan ke 3.
• Adapun perhitungan yang diperoleh adalah sebagai
berikut.
 1. Rentang
Data tunggal dan Data Kelompok rumusnya sama.
Rentang adalah data terbesar (DB) dikurangi data
terkecil (DK) atau R = DB – DK = 90 – 45 = 45

2. Rentang Antar Quartil (RAQ)

Rentang antar Quartil adalah Q3 – Q1.
Q3 = 74, 11 Q1 = 64, 33.
Maka RAQ = Q3 – Q1 = 74,11 – 64,33 = 9,81
3. Simpangan Quartil (SQ)
Simpangan Quartil adalah dari rentang antar
Quartil.
SQ = ½ (Q3 – Q1 ) =
SQ = ½( 74,11 – 64,33)
SQ = ½ X 9,81 = 4,905
4. Rerata Simpangan (RS)
Rata-rata simpangan adalah jumlah harga mutlak dari setiap data
terhadap rata-rata dibagi banyaknya data, dg rumus :
ത
σ 𝑓|𝑋𝑖 −𝑋| 628,56
RS = 𝑁
= 100
= 6,286
5. Standar Deviasi dan Varians
Standar Deviasi untuk sampel di rumuskan dengan rumus :

σ 𝑓𝑖 𝑥𝑖
2
− ( σ 𝑓𝑥𝑖 )2 /n
s=
𝑛 −1

𝟒𝟕𝟖𝟎𝟔𝟑 −(𝟔𝟖𝟔𝟖)𝟐 /𝟏𝟎𝟎

Sehingga standar deviasi: s =
𝟏𝟎𝟎 −𝟏

s = 𝟔𝟒, 𝟑𝟑𝟎𝟗𝟏 = 8,021

Sedangkan varians s2 = 64,331

Untuk perhitungan dapat dilihat pada table setelah ini

 Tabel perhitungan
standar deviasi dan varians
6. Koefisien Varians (KV)
KV digunakan untuk membandingkan variansi
antara nilai-nilai kecil dan besar.
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖
KV = x 100 %,
𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
Sehingga untuk pada data yang sama berdasarkan tabel
sebelumnya adalah
8,021
KV = 68,68
x 100 % = 11,68
TUGAS INDIVIDU dan dikumpulkan!
(Kerjakan yang fokus pada pertemuan hari ini No. 5 – 8)
Data Sikap terhadap korupsi dari 20 sampel acak disajikan
sebagai berikut :
55, 54, 64, 68, 59, 75, 66, 88, 80, 53, 54, 98, 77,
80, 62, 79, 75, 68, 62, 84.
Hitunglah :
1) Mean, Median, Modus
2) Quartil 1 – 3
3) Persentil (90 dan 10)
4) Rentang dan Rentang antar Quartil
5) Simpangan Quartil
6) Standar Deviasi (SD) dan Varians (V)
7) Koefisien Varians dan Koefisien Kemiringan
2. Untuk mengetahui kompetensi hukum pengacara
diambil sampel secara acak sebanyak 80 orang untuk
diberi tes kompetensi.
Skor kompetensi hukum disajikan pada tabel berikut :
Skor f
65 – 69 5
70 – 74 6
75 – 79 12
80 – 84 20
85 – 89 15
90 – 94 12
95 - 99 10
Jumlah 80
Hitunglah :
1) Mean, Median, Modus
2) Quartil 1 – 3
3) Desil (D4, D5, dan D8)
4) Persentil (P25, P 60, P78, dan P80)
5) Rentang dan Rentang antar Quartil
6) Simpangan Quartil
7) Standar Deviasi (SD) dan Varians (V)
8) Koefisien Varians
POPULASI DAN SAMPEL
OLEH : VENNI HERLI SUNDI, M.PD
FIP UMJ
 POPULASI

 Wilayah generalisasi yang terdiri atas

objek/subjek yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik
kesimpulannya
 Populasi yaitu keseluruhan individu atau
objek yang diteliti dan memiliki beberapa
karakteristik yang sama.
 Populasi memiliki variasi/sebaran yang luas.
 Populasi bukan hanya orang, tetapi juga
objek dan benda-benda alam yang lain.
 SAMPEL

Sampel adalah sebagian dari populasi.

Syarat pengambilan sampel adalah yang
representatif populasinya.
Dengan meneliti sedikit subjek, hasilnya dapat
digunakan untuk menggambarkan seluruh
populasi.
 HUBUNGAN SAMPLING

POPULASI FRAME SAMPEL

Seluruh mahasiswa Daftar mahasiswa
yang registrasi
di kampus semester terakhir

UNIT EKSPERIMEN SAMPEL

Seorang mahasiswa 20 Mahasiswa dari yang
registrasi
 KEREPRESENTATIFAN SAMPEL

Kerepresentatifan yaitu kecenderungan sampel

yang mendekati keadaan identik populasi.
Kerepresentatifan sampel dipengaruhi:
Homogenitas populasi
Jumlah sampel yang dipilih
Banyaknya karakteristik subjek
Adekuasitas teknik pengambilan sampel
 Homogenitas Populasi

Aspek tempat/geografis merupakan wilayah atau

tempat subjek penelitian bertempat tinggal (propinsi,
kabupaten, sekolah)
Aspek subjek (jenis kelamin, umur, rasial, pendidikan,
kepribadian, sejarah kehidupan dan inteligensi)
Aspek sosial yang mencakup kelas sosial, keluarga
dan lingkungan sosialnya.
 Aspek Sampel

Untuk memperoleh keadaan sampel yang

representatif, ada bebrapa aspek sampel yang harus
diperhatikan peneliti, yaitu:
Jumlah Sampel (Number of sample)
Besar Anggota Sampel (Sample Size)
Teknik Pengambilan Sampel
 Jumlah Sampel

Yaitu banyaknya kelompok sampel yang dibutuhkan

dalam suatu eksperimen
Jumlah sampel ini ditentukan oleh desain
eksperimennya
Melakukan komparasi antara kelompok eksperimen
dan kontrol maka jumlah sampel yang dibutuhkan 2
atau Komparasi dua perlakuan pada satu sampel
(Kelompok amatan ulang)
 Besar Anggota Sampel

Peneliti menentukan berapa besar anggota

sampel yang akan diambil dari populasi.
Besar anggota sampel eksperimen tidak
ditentukan besarnya populasi tetapi oleh
kekuatan pengaruh perlakuan dari studi
sebelumnya.
Semakin besar power of effect diperlukan sampel
yang relatif sedikit, semakin lemah dibutuhkan
sampel yang relatif banyak.
 TEKNIK SAMPLING

PROBABILITY SAMPLING
Yaitu teknik pengambilan sampel yang didasarkan atas
probabilitas bahwa setiap unit sampling memiliki
kesempatan yang sama untuk terpilih menjadi sampel.

NONPROBABILITY SAMPLING
Yaitu teknik pengambilan sampel yang besarnya
peluang anggota populasi untuk terpilih menjadi sampel
tidak diketahui.
 Simple Random
Sampling
Disproportionate
Stratified Random
Probability Sampling
Sampling
Proportionate Stratified
Random Sampling

Cluster Sampling

Teknik Sampling
Sampling Purposif

Sampling Kuota

Non Probability
Sampling Sampling Insidental

Sampling Jenuh

Snowball Sampling
SIMPLE RANDOM SAMPLING

 Teknik sampling secara acak, setiap individu

dalam populasi memiliki peluang yang sama
untuk dijadikan sampel
 Syarat: anggota populasi dianggap homogen
 Cara pengambilan sampel bisa melalui undian
 Sampling ini memiliki bias terkecil dan
generalisasi tinggi
 Banyak digunakan dalam penelitian sains.
PROSEDUR SIMPLE RANDOM SAMPLING

1. Susun “sampling frame”

2. Tetapkan jumlah sampel yang akan
diambil
3. Tentukan alat pemilihan sampel
4. Pilih sampel sampai dengan jumlah
terpenuhi
SIMPLE RANDOM SAMPLING
SIMPLE RANDOM SAMPLING: UNDIAN

 Dengan cara memberikan nomor-nomor pada seluruh anggota

populasi, lalu secara acak dipilih nomor-nomor sesuai dgn
banyaknya jumlah sampel yang dibutuhkan.
 Ada dua rancangan cara undian :
o Pengambilan sampel tanpa pengembalian, yang berarti
sampel yang pernah terpilih tidak akan dipilih lagi. Akan
menghasilkan nilai probabilitas yang tidak konstan
o Pengambilan sampel dengan pengembalian, yang berarti
sampel yang pernah terpilih ada kemungkinan terpilih lagi.
Menghasilkan nilai probabilitas yang konstan
 Stratified Random Sampling
➢Digunakan untuk mengurangi pengaruh faktor
heterogen dan melakukan pembagian elemen-
elemen populasi ke dalam strata. Selanjutnya
dari masing-masing strata dipilih sampelnya
secara random sesuai proporsinya.
➢Sampling ini banyak digunakan untuk
mempelajari karakteristik yang berbeda,
misalnya, di sekolah ada kls I, kls II, dan kls III. Atau
responden dapat dibedakan menurut jenis
kelamin; laki-laki dan perempuan, dll.
➢Keadaan populasi yang heterogen tidak akan
terwakili, bila menggunakan teknik random.
Karena hasilnya mungkin satu kelompok terlalu
banyak yang terpilih menjadi sampel.
PROPORSIONATE STRATIFIED
RANDOM SAMPLING
Teknik ini digunakan bila populasi
mempunyai anggota/unsur yang tidak
homogen dan berstrata secara
proporsional.
Anggota populasi heterogen, dan
heterogenitas tersebut mempunyai arti
yang signifikan pada pencapaian tujuan
penelitian
PROPORSIONATE STRATIFIED RANDOM
SAMPLING
seorang peneliti ingin mengetahui sikap
manajer terhadap satu kebijakan
perusahaan. Dia menduga bahwa
manajer tingkat atas cenderung positif
sikapnya terhadap kebijakan perusahaan
tadi.
Agar dapat menguji dugaannya tersebut
maka sampelnya harus terdiri atas paling
tidak para manajer tingkat atas,
menengah, dan bawah
Prosedur

• Siapkan “sampling frame” , daftar yang

berisikan setiap elemen populasi yang bisa
diambil sebagai sampel
• Bagi sampling frame tersebut berdasarkan
strata yang dikehendaki
• Tentukan jumlah sampel dalam setiap stratum
• Pilih sampel dari setiap stratum secara acak.
DISPROPORTIONATE STRATIFIED RANDOM
SAMPLING

• Teknik sampling dimana populasi berstrata tapi

kurang proporsional.
• Jumlah guru di Kecamatan Ciampea memiliki 1
orang lulusan S3, 4 orang lulusan S2, 178 orang
lulusan S1 dan 156 orang lulusan Diploma. Maka
Pengambilan sampel untuk S3 sebanyak 1 orang, S2
sebanyak 4 orang, sedangkan untuk S1 dan
Diploma diambil secara proporsional.
 Cluster Sampling

➢Elemen-elemen dalam populasi dibagi ke

dalam cluster atau kelompok, jika ada
beberapa kelompok dengan heterogenitas
dalam kelompoknya dan homogenitas antar
kelompok. Teknik cluster sering digunakan
oleh para peneliti di lapangan yang mungkin
wilayahnya luas.
➢Sampling ini mudah dan murah, tapi tidak
efisien dalam hal ketepatan serta tidak
umum
CLUSTER SAMPLING
(Area Sampling/Gugus Sampling)

 Digunakan jika objek yang akan diteliti sangat luas

 Populasi biasanya dalam bentuk gugus atau
kelompok-kelompok tertentu.
 Anggota gugus/kelompok mungkin tidak homogen
 Misalnya akan diambil populasi seluruh guru SD di Kota
Bogor. Pengambilan sampelnya dengan cara membagi
wilayah Kota Bogor ke dalam enam wilayah, kemudian
dari masing-masing kecamatan diambil perwakilannya.
Jumlah sampel tiap kecamatan diambil secara
proporsional.
CLUSTER SAMPLING
(Area Sampling)

A B
A B

C D C D

E F E F
NONPROBABILITY SAMPLING
Nonprobability Sampling:

 Setiap elemen dalam populasi

belum tentu mempunyai
kesempatan sama untuk diseleksi
sebagai subyek dalam sampel.
Dalam hal ini waktu adalah yang
utama
 Sistematic Sampling

➢Setiap elemen populasi dipilih dengan suatu

jarak interval (tiap ke n elemen) dan dimulai
secara random dan selanjutnya dipilih
sampelnya pada setiap jarak interval tertentu.
Jarak interval misalnya ditentukan angka
pembagi 5,6 atau 10. Atau dapat
menggunakan dasar urutan abjad
➢Syarat yang perlu diperhatikan oleh peneliti
adalah adanya daftar semua anggota populasi
➢Sampling ini bisa dilakukan dengan cepat dan
menghemat biaya, tapi bisa menimbulkan bias
SAMPLING SISTEMATIS

• Teknik sampling berdasarkan urutan dari

anggota populasi yang telah diberi nomor
urut, anggota sampel dapat diambil dari
populasi homogen pada jenis interval
waktu, ruang dengan urutan yang seragam
• Jika ada 100 guru, semuanya diberi nomor
urut no. 1 s.d. 100. Pengambilan sampel
dapat dilakukan berdasarkan urutan nomor
genap saja atau urutan nomor ganjil saja
 SAMPLING KUOTA
• Merupakan metode penetapan sampel dengan
menentukan quota terlebih dahulu pada masing-masing
kelompok, sebelum quata masing-masing kelompok
terpenuhi maka penelitian beluam dianggap selesai
• Teknik sampling dari populasi yang memiliki ciri-ciri
tertentu sampai jumlah (kuota) yang dinginkan tercapai
berdasarkan pertimbangan tertentu.
• Pengambilan sampel dari 1000 guru PNS. Jika kuota
sampel yang dibutuhkan adalah 100 guru, maka
pengambilan sampel dapat dilakukan dengan memilih
sampel secara bebas dengan karakteristik yang telah
ditentukan peneliti
SAMPLING INSIDENTAL

• Teknik sampling berdasarkan faktor

spontanitas. Artinya siapa saja yang secara tidak
sengaja bertemu dengan peneliti maka orang
tersebut dapat dijadikan sampel
• Peneliti ingin mengetahui minat siswa untuk
mengunjungi perpustakaan. Untuk pengambilan
sampel, peneliti memberikan angket kepada
para pengunjung perpustakaan dan dijadikan
sebagai sampel
 SAMPLING PURPOSIF
• Teknik pengambilan sampel dengan pertimbangan-pertimbangan
tertentu. Biasanya teknik ini digunakan untuk studi kasus yang
dimana aspek dari kasus tunggal yang representatif diamati dan
dianalisis
• Peneliti ingin mengetahui model pembelajaran aktif, maka sampel
yang dipilih yaitu responden yang ahli dalam bidang
pembelajaran aktif, misalnya : guru, wakil kepala sekolah urusan
kurikulum dan lain-lain
• Sampel ini lebih cocok digunakan untk penelitian kualitatif, atau
penelitian-penelitian yang tidak melalukan generaliasasi
 SAMPLING JENUH

• Teknik sampling jika semua anggota populasi

digunakan sebagai sampel. Hal ini dilakukan jika
jumlah populasi kurang dari 30
• Jika terdapat 28 orang yang terseleksi sebagai
peserta pertukaran pelajar ke Swiss, maka
dalam hal ini, jumlah responden kurang dari 30
orang sehingga semua populasi dapat dijadikan
sampel
SNOWBALL SAMPLING

Teknik sampling yang semula berjumlah sedikit kemudian

anggota sampel (responden) menunjuk temannnya untuk
menjadi sampel sehingga jumlahnya akan semakin
banyak.
Dalam penentuan sampel, pertama-tama dipilih satu atau
dua sampel, tetapi karna dalam 2 orang sampel itu belum
merasa lengkap terhadap data yang diberikan, maka
peneliti mencari orang lain yang dipandang lebih tahu dan
dapat melengkapi data yang diberikan oleh dua orang
sebelumnya.
SNOWBALL SAMPLING
A

B C

D E F G H I

J K L M N N
MENENTUKAN UKURAN SAMPEL
 ROSCOE (1975)
 Sebaiknya ukuran sampel di antara 30 s/d 500 elemen
 Jika sampel dipecah lagi ke dalam subsampel
(laki/perempuan, SD/SLTP/SMU), jumlah minimum
subsampel harus 30
 Pada penelitian multivariate (termasuk analisis regresi
multivariate) ukuran sampel harus beberapa kali lebih besar
(10 kali) dari jumlah variable yang akan dianalisis.
 Untuk penelitian eksperimen yang sederhana, dengan
pengendalian yang ketat, ukuran sampel bisa antara 10 s/d
20 elemen.
Slovin
N
n=
1 + Ne 2

Kita akan meneliti pengaruh upah terhadap semangat kerja pada

karyawan PT. Cucak Rowo. Di dalam PT tersebut terdapat 130
orang karyawan. Dengan tingkat kesalahan pengambilan sampel
sebesar 5%, berapa jumlah sampel minimal yang harus diambil ?

130
n= = 98,11
1 + 130(0,05) 2
Krejcie dan Morgan (1970)
Populasi Sampel Populasi Sampel Populasi Sampel
(N) (n) (N) (n) (N) (n)
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
Krejcie dan Morgan (1970)
Populasi (N) Sampel Populasi Sampel Populasi Sampel
(n) (N) (n) (N) (n)
90 73 460 210 4500 354
95 76 480 214 5000 357
100 80 500 217 6000 361
110 86 550 226 7000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 1000000 384
 RUMUS ISAAC DAN MICHAEL

2.N.P.Q
S =
d2 (N – 1) + 2.P.Q

Keterangan : 2 dengan dk = 1, taraf kesalahan bisa 1%, 5%, 10% (lihat tabel chi square)
P = Q = 0,5
d = 0,05 perbedaan antara sampel yang diharapkan dengan yang terjadi
S = Jumlah Sampel
N = Jumlah Populasi
 PENGGUNAAN RUMUS ISAAC
Jika kita akan mengambil sampel sebanyak
140, maka:
 pada taraf kesalahan 1%, sampel yang bisa
diambil 116 responden,
pada taraf kesalahan 5% sampel yang bisa
diambil 100 responden,
 pada taraf 10% sampel yang bisa diambil
sebanyak 92 responden.
Tugas:

 Cari 1 jurnal/hasil penelitian eksperimen di perpustakaan.

Berkelompok 3-4 orang.
 Lakukan review jurnal, meliputi :
1. Tulislah judul penelitian.
2. Tuliskan variabel bebas dan variabel tergantung.
3. Ringkaslah latar belakang permasalahan.
4. Tulislah hipotesis penelitian.
5. Tuliskan definisi operasional masing-masing variabel.
6. Tuliskan populasi, sampel dan teknik sampling yang
digunakan.
DISTRIBUSI PELUANG

Venni Herli Sundi, M. Pd

Statistika Pendidikan
Macam-macam Distribusi Peluang
1. Distribusi Binom
(Apabila X merupakan sebuah variabel random
diskrit)
2. Distribusi Poison
(Apabila X merupakan sebuah varian diskrit
yang mengikuti distribusi peluang)
3. Distribusi Normal
(Apabila X merupakan suatu variabel random
kontinue yang mengikuti fungsi densitas)
DISTRIBUSI NORMAL
Pendahuluan
Dalam suatu distribusi data ada 3 jenis
kemiringan, yaitu miring ke kiri, simetris dan
miring ke kanan seperti gambar berikut :

a. Distribusi b. Distribusi Simetris c. Distribusi

Miring ke Kiri Miring ke Kanan
Med = Mod = X
X  Med  Mod
Mod  Med  X

Gambar 12.1 Gambar 12.2 Gambar 12.3

Distribusi Normal
Distibusi normal merupakan distribusi kontinu yang
sangat penting dalam statistik dan banyak dipakai
memecahkan persoalan.

Distribusi normal disebut juga Distribusi Gauss

Persamaan Umum
Distribusi Normal
1  x− 
2

1 −  
2  
f ( x) = e
 2
Rumus 12.1
Dimana
 = Rata-rata
 = Simpangan baku
 = 3,14159
e = 2,71828

Distribusi normal f(x) didefinisikan pada interval terbuka - < x < +

Sifat-sifat Distribusi Normal
⚫ Grafik simetri terhadap garis tegak x = 
⚫ Grafik selalu berada diatas sumbu X atau f
(x)>0
⚫ Mempunyai satu nilai modus
⚫ Grafiknya mendekati sumbu X, tetapi tidak
akan memotong sumbu X, sumbu X
merupakan garis batas (asimtot)
⚫ Luas daerah di bawah kurva f (x) dan diatas
sumbu X sama dengan 1, yaitu
P (- ∞ < x < + ∞)=1
Probabilitas (a < x < b)
Probabilitas distribusi normal f(x) pada interval a < x < b,
ditentukan dengan memakai luas daerah di bawah kurva
f(x) sebagaimana ditunjukan oleh Gambar berikut:

f(X)

Gambar 12.4

X
a µ b
Probabilitas P (a < x < b) ditunjukan oleh luas daerah yang
diarsir, yang dibatasi oleh kurva f(x), sumbu X, garis tegak
X=a dan X=b
 Probabilitas P (a < x < b) dihitung dengan memakai integral dari fungsi
f(x) yang dibatasi oleh X = a dan X = b, yaitu dengan rumus :

1  x− 
2

 1 
a a −  
Rumus 12.2 P ( a  x  b) =  f ( x)dx =   e 2  
dx
b b   2 

Akan tetapi, secara matematis bentuk integral dari fungsi f (x) tersebut
sulit dipecahkan secara langsung dengan teknik integral. Oleh karena
itu, penyelesaiannya dilakukan dengan memakai transformasi nilai-
nilai X menjadi nilai-nilai baku Z, yaitu

x−
Rumus 12.3
Z=

DISTRIBUSI NORMAL :

Z=X-


 : nilai rata-rata populasi

xi : nilai variabel random

 : standard deviasi populasi

Dengan transformasi tersebut kita memperoleh normal Z
yang mempunyai nilai rata-rata  = 0 dan simpangan baku
 = 1 atau ditulis N(0,1). Distribusi normal Z seperti ini
disebut distribusi normal standar. Dengan demikian fungsi
distriusi f (x) berubah menjadi fungsi distribusi f (Z), yaitu
dengan rumus
Rumus 12.4

1 − 12 Z 2
f (Z ) = e , dimana −   Z  +
2
Berdasarkan fungsi distribusi Z tersebut, probabilitas nilai-
nilai Z pada interval z1 < Z < z2 ditunjukan oleh luas daerah
yang diarsir pada gambar berikut :

f(Z)
Gambar 12.5

Z
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
z1 z2
Selanjutnya probabilitas P(z1 < Z < z2) dihitung
dengan rumus berikut:
Rumus 12.5

 1 
z2 z2 1
− z2
P( z1  Z  z 2 ) = 
z1
f ( z )dz =  
z1 
e
2 
2
dz

Berdasarkan integral dari fungsi didistribusikan

normal standar tersebut, probabilitas P(z1 < Z < z2)
dihitung dengan memakai tabel Distribusi Normal
Standar
Contoh 1 :
1. Diketahui data berdistribusi normal dengan
mean  = 55 dan deviasi standar = 15
a) P(55≤x≤75) =

=
= P(0≤Z≤1,33)
= 0,4082 (Tabel III)
Atau

Tabel III → A = 0,4082

b) P(60≤x≤80) =
= P(0,33≤Z≤1,67)
= P(0≤Z≤1,67) – P(0≤Z≤0,33)
= 0,4525 – 0,1293 = 0,3232

Z1 = = 0,33 → B = 0,1293

Z2 = = 1,67 → A = 0,4525
C = A – B = 0,3232
c) P(40≤x≤60)= A + B

=
= P(-1,00≤Z≤0,33)
= P(-1,00≤Z≤0) + P(0≤Z≤0,33)
= 0,3412 + 0,1293
= 0,4705
Atau : Z1 = = -1,00
→ A = 0,3412
Z2 = = 0,33
→ B = 0,1293
d) P(x ≤ 40) = 0,5 – A
= 0,5 – 0,3412
= 0,1588
e. P(x ≥ 85)

f. P(x ≤ 85) = 0,5 + A

= 0,5 + 0,4772
= 0,9772
Contoh 2

Misalkan rata-rata berat bayi yang baru lahir

3.500 gram dengan simpangan baku 225 gram.
Jika berat bayi berdistribusi normal, maka
tentukan :
a. Berapa persen bayi yang beratnya lebih dari
4000 gram?
b. Berapa bayi yang beratnya antara 3200
gram dan 4000 gram jika semuanya ada
20.000 bayi.
Penyelesaian :
⚫

3500 225

Lihat nilai pada kolom z, yaitu 2,22

kemudian ke kanan di bawah angka
2 diperoleh 0,4868. Jadi luas daerah
z = 0, sampai z = 2,22 adalah 0,4868
sehingga luas daerah yang dicari :
0,5 – 0,4868 = 0,0132 atau 1,32 %

Jadi banyaknya bayi dg berat lebih

4000 gram sebesar 1,32%
⚫ 3200

3200

Luas dari z = 0, sampai z = 2,22

adalah 0,4868 kemudian luas
dari z = 0 sampai z = -1,33
adalah 0,4082. jadi luas daerah
yang dicari = 0,4868 + 0,4082 =
0,8950 atau
P (-1,33 ≤ Z ≤ 2,22) = 0,8950

Jadi banyaknya bayi antara 3200 gr dan 4500 gr

diperkirakan (0,8950)(20.000) = 17900
Latihan
1. Sebuah perusahaan peralatan listrik
memproduksi lampu yang umurnya
menyebar normal dengan nilai tengah
600 jam dan simpangan baku 20 jam.
Hitunglah peluang sebuah lampu hasil
produksinya akan mencapai umur
antara 582 jam dan 623 jam…
SOAL 2

Ujian negara statistik pada akhir tahun 1990 diikuti sebanyak

2.000 peserta dengan rata-rata nilai ujian=58 dari
variansi=100. Bila distribusi nilai ujian dianggap berdistribusi
normal, maka hitunglah probabilitas :

a) Peserta yang memperoleh nilai (Xi lebih besar sama

dengan 70)

b) Bila nilai ujian untuk lulus lebih besar sama dengan 53,5
maka berapa persen yang tidak lulus?
SOAL 3
Seorang siswa memperoleh nilai ujian
mata kuliah A=60, sedangkan nilai
rata-rata kelas=65 dan standard
deviasi=10.
Pada mata kuliah B ia memperoleh nilai
ujian=62, sedangkan nilai rata-rata
kelas=66 dan standard deviasi=5
Pertanyaan :
Pada mata kuliah manakah siswa tersebut
berada pada posisi yang lebih baik?
UJI NORMALITAS
FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH JAKARTA
 UJI NORMALITAS
Uji Normalitas adalah sebuah uji
yang dilakukan dengan tujuan
untuk menilai sebaran data pada
sebuah kelompok data atau
variabel, apakah sebaran data
tersebut berdistribusi normal
ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang
telah dikumpulkan berdistribusi normal atau diambil
dari populasi normal.

Uji ini biasanya digunakan untuk mengukur data

berskala ordinal, interval, ataupun rasio. Jika analisis
menggunakan metode parametrik, maka persyaratan
normalitas harus terpenuhi yaitu data berasal dari
distribusi yang normal. Jika data tidak berdistribusi
normal, atau jumlah sampel sedikit dan jenis data
adalah nominal atau ordinal maka metode yang
digunakan adalah statistik non parametrik
 Teknik Pengujian Distribusi Normal:

- Lilliefors
- Kolmogorov Smirnov
- Chi-Square
1. METODE LILLIEFORS (N KECIL DAN N BESAR)

Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva
normal sebagai probabilitas komulatif normal
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi
pada distribusi normal
F(x) = Probabilitas komulatif normal
S(x) = Probabilitas komulatif empiris
PERSYARATAN
•Data berskala interval atau ratio (kuantitatif)
•Data tunggal / belum dikelompokkan pada tabel
distribusi frekuensi
•Dapat untuk n besar maupun n kecil.

SIGNIFIKANSI
Signifikansi uji, nilai | F (x) - S (x) | terbesar dibandingkan
dengan nilai tabel Lilliefors.
Jika nilai | F (x) - S (x) | terbesar < nilai tabel Lilliefors, maka Ho
diterima ; Ha ditolak.
Jika nilai | F(x) - S(x) | terbesar > dari nilai tabel Lilliefors, maka
Ho ditolak ; Ha diterima. Tabel Lilliefors pada lampiran, Tabel
Harga Quantil Statistik Lilliefors Distribusi Normal
Contoh :
Berdasarkan data ujian statistik dari 18
mahasiswa didapatkan data sebagai berikut
; 46, 57, 52, 63, 70, 48, 52, 52, 54, 46, 65,
45, 68, 71, 69, 61, 65, 68. Selidikilah
dengan α = 5%, dengan rata-rata 58,4444
dan standar deviasi 9,2230 apakah data
tersebut di
atas diambil dari berdistribusi
normal ? Penyelesaian :

• Hipotesis
Ho : Populasi nilai ujian
statistik berdistribusi normal • Derajat Bebas
H1: Populasi nilai ujian statistik Df tidak diperlukan
tidak berdistribusi normal
• Nilai tabel
• Nilai α Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 18
Nilai α = level signifikansi = yaitu 0,2000. Tabel Lilliefors pada lampiran
5% = 0,05
• Daerah penolakan
• Statistik Penguji Menggunakan rumus
| 0,1469 | < | 0,2000| ; berarti Ho diterima

• Kesimpulan
Populasi nilai ujian statistik berdistribusi normal
2. METODE KOLMOGOROV-SMIRNOV

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Langkah-langkah

penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-
Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors.

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi
pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris

PERSYARATAN
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel
distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
SIGINIFIKANSI
Signifikansi uji, nilai |FT – FS| terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov. Jika nilai |FT – FS| terbesar <nilai tabel Kolmogorov
Smirnov, maka Ho diterima ; Ha ditolak. Jika nilai |FT – FS| terbesar > nilai
tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha diterima. Tabel
Kolmogorov Smirnov, Harga Quantil Statistik Kolmogorov Distribusi
Normal.
Contoh :
Suatu penelitian tentang jumlah hasil panen kedelai di 15 kecamatan di
Kabupaten Gresik tercatat dalam kwintal 10, 13, 15, 11, 8, 16, 10, 11, 12, 9
,11, 14, 9, 18 dan 12 kwintal. Selidikilah dengan α =5% , dengan rata-rata
11,93 dan SD 2,81. apakah data tersebut diambil dari populasi yang
berdistribusi normal ? Gunakan Uji Kormogorov Smirnov.
• Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1: Populasi berat badan mahasiswa
tidak berdistribusi normal

• Nilai α
Nilai α = level signifikansi = 5% = 0,05

- D(0,05,15) / Dtabel= 0,338

- Dhitung = 0,161
- Daerah kritis : Dhitung<Dtabel
H0 diterima karena Dhitung < Dtabel atau 0,161 < O,338

Kesimpulan : jumlah hasil panen kedelai di 15 kecamatan di Kabupatn

Gresik memiliki data yang normal
 METODE CHI SQUARE (UJI GOODNESS OF FIT DISTRIBUSI NORMAL)

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal

menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan.

X2 =∑
(Oi − Ei )
Ei

Keterangan :
X2 = NilaiX2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabelnormal
dikalikan N (total frekuensi) (pi xN)
N = Banyaknya angka pada data (total frekuensi)
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi
Normal)
• Data tersusun berkelompok atau dikelompokkan dalam tabel
distribus frekuensi.
• Cocok untuk data dengan banyaknya angka besar ( n > 30 )

Signifikansi
• Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel
(Chi-Square).
• Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha
ditolak.
• Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ;
Ha diterima.
Contoh :
DIAMBIL TINGGI BADAN MAHASISWA DI SUATU PERGURUAN TINGGI
TAHUN 1990

TINGGI BADAN JUMLAH

140 - 144 7
145 - 149 10
150 - 154 16
155 - 159 23
160 - 164 21
165 - 169 17
170 174 6
JUMLAH 100

Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean
= 157.8; Standar deviasi = 8.09)

Penyelesaian :
Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang
dikonfirmasikan dengan tabel distribusi normal atau tabel z.
Derajat Bebas
Df = ( k – 3 ) = ( 7 – 3 ) = 4

Nilai tabel
Nilai tabel X2 ; α = 0,05 ; df = 4 ; = 9,4877. Baca
selengkapnya tentang Tabel Chi-Square.
Daerah penolakan
•Menggunakan gambar

•Menggunakan rumus: |0,427 | < |9,4877| ; Keputusan hipotesis:

berarti Ho diterima, Ha ditolak

•Kesimpulan: Populasi tinggi badan mahasiswa berdistribusi

normal α = 0,05.
 LATIHAN

Akan diuji normalitas untuk data Kemampuan Pemecahan Masalah Matematika Siswa
Kelas VIII Muhammadiyah Pamulang pada Materi Bangun Ruang. Apakah data tersebut
berdistribusi normal? Datanya adalah sebagai berikut : (kerjakan menggunakan chi square)

No Kelas Interval f Nilai Tengah Mean Standar

(xi) deviasi

1. 45-50 4 47,5
2. 51-56 4 53,5
3. 57-62 8 59,5
4. 63-68 30 65,5
5. 69-74 31 71,5 68,68 8,021
6. 75-80 20 77,5
7. 81-86 2 83,5
8. 87-92 1 89,5
jumlah 100
UJI HOMOGENITAS
Venni Herli Sundi
Uji homogenitas merupakan uji perbedaan antara
dua atau lebih populasi.

Semua karakteristik populasi dapat bervariansi

antara satu populasi dengan yang lain.
Uji homogenitas bertujuan untuk mengetahui apakah varians skor
diukur pada kedua sampel memiliki varians yang sama atau tidak.

Populasi dengan varians sama besar disebut populasi varians

homogen, sedangkan populasi yang tidak sama besar disebut
populasi varians heterogen.
HOMOGENITAS
• Homogenitas mempunyai arti bahwa data
memiliki variansi atau keberagaman nilai yang
sama atau secara statistik yang sama.

• Homogenitas data terdapat pada keberagaman

variansi atau standar deviasi dari data tersebut.
• Homogenitas merupakan salah satu syarat yang
direkomendasikan untuk diuji secara statistik
terutama bila menggunakan statistik uji
parametrik (Uji t dan Uji F)
Faktor penyebab sampel tidak homogen

• Proses sampling salah

• Penyebaran kurang baik
• Bahan yang sulit untuk homogen
• Alat uji homogenitas rusak.
 Uji Homogenitas
Uji Bartlett

Uji F

Uji t
Homogenitas varians dengan Uji bartlett
• Andaikan 4 kelompok A1, A2, A3 da A4 memiliki
sampel masing-masing 30 subjek.

• Hipotesis yang akan diuji adalah:

H0
H1: Bukan H0
Perhitungan pengujian ke-4 kelompok pada taraf
signifikansi α =0,05 disajikan pada tabel berikut:

Tabel perhitungan Uji Homogenitas Varians

Homogenitas varians dengan Uji F
Andaikan kita ingin mengetahui apakah nilai matematika
pada dua kelompok yang independen, misalnya kelas ASD
dan kelas BSD mempunyai varians yang sama (homogen).
Maka kita dapat menguji homogenitasnya dengan uji-F.

Formula statistika uji F sbg berikut: (Kadir,2010:118)

Perhitungan pengujian ke-2 kelompok pada taraf
signifikansi α =0,05 disajikan pada tabel berikut:

Tabel perhitungan Uji Homogenitas Varians Uji-F

Homogenitas varians dengan Uji t
Andaikan kita ingin mengetahui apakah nilai matematika
pada dua kelompok yang tak independen (berkolerasi),
misalnya distribusi skor pada pre-test dan post-test
mempunyai varians yang sama (homogen).
Maka kita dapat menguji homogenitasnya dengan uji-t.
Formula statistika uji t sbg berikut: (Kadir,2010:118)
Tabel perhitungan Uji Homogenitas Varians Uji-t
Uji Homogenitas dengan SPSS
1
2
3
4
LATIHAN
• Hasil belajar matematika dari 3 kelompok sampel yang
belajar pada pagi, siang dan sore hari seperti berikut.
Apakah ketiga data kelompok sampel tersebut
homogen?
NO Kel A (pagi) Kel B (siang) Kel C (sore)
1 2 3 4 Lakukan
2 3 4 4 pengujian
3 4 6 5 Homogenitas
4 5 4 6 menggunakan
5 6 5 6 cara Uji Barlett
6 4 6 3
7 5 7 5
8 6 4
ni 8 7 8
𝑋ത 4,38 4,86 4,63
S2 1,98 1,81 1,13
LATIHAN
Efektivitas empat metode mengajar; Pemecahan Masalah
(A1), Penemuan (A2), inquiri (A3), dan konvensional (A4)
terlihat dari skor hasil belajar matematika keempat
kelompok selama 3 bulan.
Data hasil belajar matematika

Lakukan pengujian
homogenitas
menggunakan cara
Uji-Bartlett!
UJI T UNTUK SATU SAMPEL
VENNI HERLI SUNDI, M.PD
PENGERTIAN

Uji t untuk satu sampel dalam istilah lain biasanya

disebut dengan One Sample t-test Method, merupakan
prosedur uji t untuk sampel tunggal jika rata-rata suatu
variabel tunggal dibandingkan dengan suatu nilai
konstanta tertentu.
PENGERTIAN

Uji t untuk satu sampel merupakan uji

statistik yang ada dalam
masalah-masalah praktis statistika yang
digunakan ketika informasi mengenai nilai
variance (ragam) populasi tidak diketahui
Fungsi atau Kegunaan

Untuk mengetahui kebenaran pernyataan atau

dugaan yang dihipotesiskan oleh peneliti
Membandingkan apakah terdapat perbedaan
atau kesamaan rata-rata suatu kelompok sampel
data dengan suatu nilai rata-rata tertentu
Syarat

Sampel diambil secara acak

Data atau populasi berdistribusi normal atau data dari suatu
populasi yang besar
Sampel berjenis sampel probability
Merupakan data kuantitatif
Sampel n≤ 30
Macam-macam

Uji t untuk satu variabel dengan arah kiri

atau kanan ( one tail )
Uji t untuk satu variabel dengan dua arah
(two tail)
Uji Pihak Kanan

 Dikatakan sebagai uji pihak kanan karena t-tabel dibagi dua dan
diletakkan dibagian kanan kurva.
 Uji Pihak Kiri

Dikatakan sebagai uji pihak kiri karena t-tabel

dibagi dua dan diletakkan dibagian kiri kurva
Uji Dua Pihak

Dikatakan sebagai uji dua pihak karena t-tabel dibagi dua

dan diletakkan dibagian kiri dan kanan kurva
Rumus
Langkah-langkah
Contoh Soal

Data Penjualan
salesman
Perusahaan
“Cahaya”
Hipotesis

Hipotesis : Penjualan Salesman Perusahaan “Cahaya”

rata-rata lebih dari Rp 250.000/hari
Ho : Penjualan salesman perusahaan “Cahaya” sama
atau lebih kecil dari Rp 250.000/hari
Ha : Penjualan salesman perusahaan “Cahaya” lebih
dari Rp 250.000/hari
Hipotesis Statistik

Ho : 𝜇 ≤ 250
Ha : 𝜇 > 250
Taraf Signifikan
𝛼 = 0,05
Kaidah pengujian
Menghitung thitung dan ttabel
Membandingkan

Mengambil Keputusan
Ha diterima : rata-rata penjualan salesman perusahaan
“Cahaya” lebih dari Rp 250.000/hari
 No Nilai No Nilai
1 67 20 65
2 75 21 72
Latihan 3 81 22 80
4 60 23 75
5 80 24 67
6 75 25 72
Berikut data hasil belajar 7 71 26 79
8 68 27 80
matematika siswa, 9 80 28 81
10 78 29 75
bagaimana tingkat 11 71 30 71
12 80 31 74
keberhasilan siswa? 13 65 32 65
14 57 33 55
mean = 71,9730 15 78 34 70
SD = 5,75 16 63 35 72
17 76 36 82
18 73 37 67
19 63
Hipotesis Kalimat:

Tingkat keberhasilan belajar siswa paling tinggi

70% dari yang diharapkan (uji pihak kiri)
Tingkat keberhasilan belajar siswa paling rendah
70% dari yang diharapkan (uji pihak kanan)
Tingkat keberhasilan belajar siswa tidak sama
dengan 70% dari yang diharapkan (uji 2 pihak)
PENGUJIAN PERBEDAAN
DUA RATA-RATA
Venni Herli Sundi
Statistika Pendidikan
• Pengujian hipotesis tentang perbedaan dua parameter
rata-rata, dilakukan ketika ingin membandingkan atau
membedakan rata-rata variabel dua kelompok.
• Misalnya rata-rata kinerja pegawai A dan pegawai B,.
 • Untuk menguji hipotesis perbedaan
parameter antara dua kelompok dapat
digunakan statistik uji-t.
• Adapun prasyarat analisis untuk
berlakunya statistik uji harus terpenuhi,
yaitu :
a. Penempatan subjek yang dipilih harus
secara acak
b. Data harus normal dan homogen.
 PENGUJIAN PERBEDAAN
DUA RATA-RATA

A. Analisis Perbedaan B. Analisis Perbedaan

Dua Rata-rata sampel Dua Rata-rata sampel
tidak bebas. bebas.
A. Analisis Perbedaan Dua Rata-rata
sampel tidak bebas.

• Pengertian sampel tidak bebas adalah

sampel yang keberadaannya saling
mempengaruhi (berkolerasi).
• Distribusi kedua data sampel tidak dapat
diyakini tidak independen tetapi secara
rasional atau teoritis berkolerasi.
• Esensi dari analisis perbedaan dua rata-rata
sampel tidak bebas adalah bahwa kedua data
yang ingin diuji perbedaannya berasal dari
kelompok sampel (satu unit analisis) yang
sama yang menghasilkan dua distribusi data.
• Contoh sampel berkolerasi : skor pada tes
awal dan tes akhir, skor IQ dan prestasi
akademik, kemampuan verbal dan
kemampuan berkomunikasi.
• Langkah langkah pengujian hipotesis
perbedaan dua rata-rata rerata untuk
sampel tidak bebas adalah sebagai
berikut:
1. Merumuskan hipotesis
2. Menghitung harga “t” observasi atau
“t” hitung dengan rumus :

atau
3. Menentukan harga t tabel dengan derajat kebebasan (db)
yaitu db = n – 1

4. Membandingkan harga thitung dan ttabel dengan 2 kriteria:

• jika thit ≤ ttabel maka hipotesis nihil (HO) diterima
• jika thit > ttabel maka hipotesis nihil (HO) ditolak

5. Kesimpulan pengujian
• Jika HO diterima, berarti tidak ada perbedaan rerata
antara variabel
• Jika HO ditolak, berarti ada perbedaan rerata antara
variabel
Contoh :
• Untuk mengetahui perbedaan hasil belajar statistika
mahasiwa sebelum dan sesudah diberi metode inquiri diambil
sampel acak 10 orang mahasiswa untuk diberi perkuliahan
dengan metode tersebut. Skor hasil belajar statistika sebelum
dan sesudah perkuliahan disajikan pada tabel berikut.

• Lakukan pengujian pada α = 0,05 untuk hipotesis “Terdapat

perbedaan antara skor statistika mahasiswa sebelum dan
setelah perkuliahan.”
Berikan kesimpulan terhadap hasil yang diperoleh
JAWABAN
• CARA 1 :
• Menghitung harga t hitung, Agar memudahkan perhitungan
dapat disusun tabel persiapan:
• CARA 2:
• Untuk db = 9 dan α = 0,05 atau 1- ½α = 0,975 yaitu
t tabel = t (0,975; 9) =2,262,
• sehingga -2,262 < thit < 2,262 atau thit berada di luar
daerah penerimaan. Dengan demikian H0 ditolak.

• Kesimpulan:
• Karena H0 ditolak maka H1 diterima, dengan
demikian terdapat perbedaan yang signifikan
skor hasil belajar statistika sebelum dan sesudah
perkuliahan dengan metode inquri.
Latihan :
• Untuk mengetahui perbedaan skor statistika yang
diperoleh mahasiswa pada tes awal dan tes akhir diambil
sampel acak 10 orang mahasiswa. Sebelum diberi
metode pengajaran diberi tes awal begitupula setelah
diberi pengajaran selama tiga bulan diberi tes akhir. Skor
kedua tes tersebut terangkum pada tabel berikut.
Tes Awal Tes Akhir
6 8
7 7
Lakukan pengujian pada α = 0,05
5 8 untuk hipotesis yang berbunyi
8 9 “Terdapat perbedaan antara skor
7 9
6 8
statistika tes awal dan tes akhir.”
6 8 Berikan kesimpulan terhadap
6 9 hasil yang anda peroleh!
8 10
5 7
B. Analisis Perbedaan Dua Rata-rata sampel bebas.

• Pengertian sampel bebas dalam analisis ini adalah sampel yang

keberadaannya tidak saling mempengaruhi (independent),.
• Misalnya kinerja karyawan laki-laki tidak mempengaruhi kinerja
karyawan wanita dan sebaliknya. Langkah langkah pengujian
hipotesis perbedaan dua rata-rata rerata untuK sampel bebas
adalah sebagai berikut.
• Contoh
• Untuk mengetahui apakah terdapat perbedaan
kompetensi mengajar antara guru laki-laki (Y1) dan guru
wanita (Y2), telah diambil sampel acak guru SMA masing
masing 8 guru dan 10 guru wanita untuk diberi tes
kompetensi mengajar. Data kompetensi disajikan pada
tabel berikut.

• Lakukan pengujian pada α = 0,05 untuk hipotesis

“kompetensi mengajar guru laki-laki lebih tinggi dari
pada guru wanita”. Berikan kesimpulan terhadap hasil
yang anda peroleh.
(iii) Menentukan harga ttabel untuk db = 16 dan α = 0,05 yaitu
ttabel = t(0,05; 16) = 1,75
(iv) Dengan demikian thit = 3,887 > ttabel = 1,75 atau
HO ditolak
(v) Kesimpulan
Karena HO ditolak maka H1 diterima, dengan demikian
kompetensi mengajar guru laki-laki secara signifikan lebih
tinggi dari pada kompetensi mengajar guru wanita.
Latihan:
• Untuk mengetahui apakah ada perbedaan kemampuan
numerik antara siswa laki-laki dan wanita diambil sampel
acak masing-masing 8 siswa laki-laki dan 10 siswa wanita
untuk diberi tes kemampuan numerik. Data kemampuan
numerik disajikan pada tabel berkut:
Laki-laki Perempuan
7 5 Lakukan pengujian pada α = 0,05
8 6 untuk hipotesis yang berbunyi
8 7 “Kemampuan numerik laki-laki
9 8 lebih tinggi dari pada wanita”.
9 7
Berikan kesimpulan terhadap
8 7
10 7 hasil yang anda peroleh!
9 6
8
7
Uji T Dua Rerata Sampel
Bebas Tidak Homogen

Venni Herli Sundi

Uji T Dua Rerata Sampel Bebas
Tidak Homogen
► Yaitu terdiri dari dua sampel
yang berbeda dengan nilai
variansi yang berbeda pula.
Biasanya terdiri dari dua buah
populasi yang menghasilkan dua
sampel yang berbeda
(𝜎1 ≠ 𝜎2 ≠ 𝜎)
► Dua Kelompok distribusinya
normal namun varians datanya
tidak homogen

Jens
Martensson
 Langkah langkah pengujian Uji T Dua Rerata
Sampel Bebas Tidak Homogen adalah sebagai
berikut:
1. Merumuskan hipotesis
2. Menghitung harga “t” observasi
atau “t” hitung dengan rumus :
𝑌1 −𝑌2
t’ =
𝑆1 2 𝑆2 2
+
n n
dengan kriteria pengujian:
t1 𝑆1 2 / 𝑛1 + t2 𝑆2 2 /𝑛2
Caption Lorem Ipsum t’(𝛼) = 𝑆1 2 𝑆2 2
n
+ n

Jens
Martensson
 Langkah langkah pengujian Uji T Dua Rerata
Sampel Bebas Tidak Homogen adalah sebagai
berikut:

3. Maka bentuk hipotesisnya berupa:

► 𝐻0 : 𝜇1 = 𝜇2 , berarti tidak ada beda
antara rata-rata 1 dan rata-rata 2.
► 𝐻1 : 𝜇1 ≠ 𝜇2 , pada hipotesis alternatif
terdapat beda antara rata-rata 1 dengan
rata-rata 2.
4. Kesimpulan pengujian
► Jika HO diterima, berarti tidak ada
Caption Lorem Ipsum
perbedaan rerata antara variabel
► Jika HO ditolak, berarti ada perbedaan
rerata antara variabel
Jens
Martensson
Contoh Soal
► Suatu penelitian untuk mengetahui perbedaan rata-rata kinerja karyawan pada
perusahaan sama di dua kota, yaitu kota A dan kota B. Untuk itu telah diambil
sampel acak masing-masing sebesar 30 orang untuk kota A dan 30 orang untuk
Kota B. Setelah dilakukan pengukuran diperoleh rerata dan dan varians berturut-
turut 𝑌ഥ1 = 78,80, 𝑆1 2 = 33,476, 𝑌ഥ2 = 65,07, dan 𝑆2 2 = 70,823. Dan sampelnya pun
berdistribusi normal, namun varians data dari kedua populasi tidak homogen.
Untuk kasus ini ujilah hipotesis “ Rata-rata kinerja karyawan di kota A lebih tinggi
dari pada kinerja karyawan di kota B. Pada taraf 𝛼 = 0,05

Jens
Martensson
Jawab:
► Diketahui :
► 𝑌ഥ1 = 78,80,
► 𝑆1 2 = 33,476,
► 𝑌ഥ2 = 65,07,
► 𝑆2 2 = 70,823
► n kota A = 30
► n kota B = 30
► 𝐻0 : 𝜇1 = 𝜇2 , berarti tidak ada beda antara rata-rata kinerja karywan di kota A dengan
karyawan di kota B
► 𝐻1 : 𝜇1 ≠ 𝜇2 , pada hipotesis alternatif terdapat beda antara kinerja karywan di kota A
dengan karyawan di kota B

Jens
Martensson
Lanjutan…
𝑌1 −𝑌2
► t’ =
𝑆1 2 𝑆2 2
+
n n

𝑆1 2 𝑆2 2
►= +
n n
33,476 70,823
►= +
30 30
►= 1,116 + 2,361 = 3,477 = 1,865

Jens
Martensson
► t1 = t2 = t(𝛼) (n1 – 1) = t(0,05)(29) = 1,699
t1 𝑆1 2 / 𝑛1 + t2 𝑆2 2 /𝑛2
► t’(𝛼) = 𝑆1 2 𝑆2 2
+
n n
(1,699 𝑥 33,476)/30 +(1,699 𝑥 70,823)/30
► t’(0,05) = 3,477
(56,876)/30 +(120,329)/30
► t’(0,05) = 3,477
1,896 +4,011
► t’(0,05) =
3,477
5,88
► t’(0,05) = 3,477
► t’(0,05) = 1,691

Jens
Martensson
 𝑌1 −𝑌2
► t’ =
𝑆1 2 𝑆2 2
+
n n

78,80−65,07 13,73
► t’ = = = 7,362
1,865 1,865

Kesimpulan : t’ = 7,362 > ttabel = 1,691, maka H0 ditolak. Dengan demikian,

rata-rata kinerja karyawan di kota A lebih tinggi dari pada kinerja karyawan
di kota B

Jens
Martensson
Latihan
suatu penelitian untuk mengetahui perbedaan rata-rata kelas eksperimen dengan kelas kontrol
yang sudah di berikan perlakuan metode inquiry, sampel berdistribusi normal, tetapi kedua
populasi tidak homogen. Tentukan uji rata-rata kelas eksperimen lebih tinggi dari pada kelas
kontrol. Pada taraf 𝛼 = 0,05

Kelas Hasil Kelas Kontrol Hasil

Eksperimen
𝑌ഥ2 64,69
𝑌ഥ1 72,15

𝑆1 2 180,923 𝑆2 2 401,850

N 39
N 39

Jens
Martensson
Thank
You
APLIKASI SPSS
VENNI HERLI SUNDI
 Apa itu SPSS?

Kepanjangan dari SPSS adalah Statistical Product and Service

Solutions.
SPSS adalah sebuah program aplikasi yang memiliki kemampuan untuk
analisis statistik cukup tinggi serta sistem manajemen data pada
lingkungan grafis dengan menggunakan menu-menu deskriptif dan
kotak-kotak dialog yang sederhana sehingga mudah dipahami untuk cara
pengoperasiannya.
SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian
dan perbaikan mutu (quality improvement), serta riset-riset sains.
 SPSS terbagi menjadi :
1. File Lembar data/ data editor/ worksheet data :
a. Data view : yaitu lembar kerja untuk mengisi data penelitian baik
dientry secara langsung maupun hasil copy dari program lain
seperti halnya dari excel
b. Variabel view : yaitu spread sheet untuk mendefinisikan variabel
seperti pemberian nama dan label variabel.
2. File Output Hasil Analisis Data : file ini berada terpisah dengan data
sehingga memerlukan penyimpanan di file yang berbeda.
ANALISIS DESKRIPTIF
Fungsi dari Statistik Deskriptif adalah
memberikan gambaran atau deskripsi suatu
data yang dilihat dari nilai rat-rata (mean),
standar deviasi, varian, maksimum, minimum,
sum, renge, kurtosis dan skwekness
(kemiringan distribusi)
Contoh soal

 Berikut adalah daftar nilai mata pelajaran matematika SMP kelas 8.

buatlah analisis deskriptif menggunakan SPSS
71 82 86 53
80 76 55 71
80 73 88 82
75 71 67 46
48 67 82 90
90 62 80 62
44 81 88 81
83 60 54 83
71 96 74 69
48 76 69
 Langkah-langkah

1. Buka aplikasi SPSS

Klik All Programs › IBM SPSS Statistics › IBM SPSS Statistics 23. Lokasi shortcut
disesuaikan dengan versi SPSS yang terinstall di komputer (versi lain tidak jauh
berbeda).
2. Close dialog Files, karena akan dilakukan analisis data sederhana
Untuk menutup klik (X) pada pojok kiri dialog Files seperti berikut,
3. Data View: input data melalui lembar kerja dengan tab Data View
Data View adalah tampilan lembar kerja SPSS untuk menampilkan isi dari input data. Data
yang dimasukkan diinput secara vertikal. Berikut ilustrasinya
4. Variable View: mengedit dan melihat variabel data pada lembar kerja
Anda dapat mengedit Variable View untuk mengubah nama variabel, tampilan data,
type data, panjang tampilan data. Berikut mengubah nama variabel,
5. Save: Menyimpan data yang telah diinput
Setelah memastikan data terinput benar. Anda dapat
menyimpan lembar kerja SPSS dengan klik menu File › Save.
Atau menggunakan shortcut keyboard Ctrl+S,

Cara Mengolah Data dengan SPSS

Untuk mengolah data sederhana menggunakan SPSS dapat

digunakan menu Analyze.
Misalkan akan dicari statistika deskriptif dari nilai matematika
tersebut.
Klik Analyze > Descriptive Statistics › Descriptives…
Pilih variabel yang akan dianalisis
Sorot nama variabel di kolom kiri dan klik tombol ,
sehingga nama variabel terlihat di kolom sebelah kanan Variable(s). Seperti berikut,
Klik Options… untuk memilih analisis statistika deskriptif yang akan dihitung
Misalkan dipilih mean (rataan hitung), sum, std. deviation (standar
deviasi), variance (variansi), minimum, dan maximum. Klik Continue.
1.Klik OK pada jendela Descriptives
2.Hasil analisis ditampilkan pada jendela Output
Uji validitas dan
Reliabilitas
SPSS
NO Soal 1 Soal 2 Soal 3 Soal 4 Soal 5 Soal 6 Soal 7 Soal 8 Soal 9 Soal 10 Jumlah
1 0 10 8 8 8 10 8 10 9 10 81
2 10 10 8 10 10 10 10 10 5 10 93
3 10 7 8 5 8 10 10 10 5 9 82
4 10 7 5 10 10 10 10 10 5 10 87
5 10 5 10 10 10 10 8 10 5 10 88
6 10 0 5 10 10 3 3 3 5 10 59
7 10 10 10 10 10 10 10 10 5 10 95
8 7 7 8 10 8 10 10 10 5 10 85 Tentukan uji
9 10 3 3 8 5 10 9 10 5 10 73 validitas dan
10 10 7 5 10 10 9 10 10 5 10 86 reliabilitas data
11 10 10 3 10 8 10 10 10 5 10 86 disamping
12 0 0 3 10 8 9 10 9 5 0 54
13 5 5 5 10 10 8 3 5 5 5 61
14 0 8 3 8 0 3 3 10 5 8 48
15 0 10 3 10 8 10 10 10 5 10 76
16 5 10 10 10 10 10 10 10 5 10 90
17 0 5 10 3 8 10 10 10 5 10 71
18 0 3 0 10 10 8 3 9 5 9 57
19 0 6 0 10 10 8 3 8 5 9 59
20 10 10 10 5 0 10 10 10 5 3 73
 Langkah-langkah uji validitas

1. Klik menu Analyze – Correlate -Bivariate

2. Pada kolom dialog Bivariate Correlation, arahkan
kursor pada soal 1 kemudian klik tanda panah
sehingga variabel soal1 masuk ke kotak
variabels
3. Lakukan langkah 2 untuk variabel soal2 sampai
jumlah/total
4. Klik OK
5. Apabila sig < 0,05 maka data valid
Langkah langkah uji Reliabilitas

1. Klik Analyze-Scale-Reliability Analysis

2. Pada kota dialog Reliability Analisis, arahkan
kursor pada soal yang valid, kemudian klik
tanda panah sehingga variabel soal masuk
ke kota items
3. Lakukan langkah 2 untuk soal-soal yang valid
lainnya
4. Klik OK
5. Jika koefisien Cronbach’s Alpha diatas 0,6
dapat dinyatakan reliabel
 Hasil Belajar Matematika
NO
Kelas A Kelas B
1 56 87
2 72 92
3 67 87
4 58 82
5 70 89
6
7
68
76
86
90
Tentukan hasil uji
8 70 86 normalitas, homogenitas
9 69 80
10 58 85
dan uji t untuk data di
11 65 90 samping!
12 70 83
13 75 80
14 67 87
15 72 82
16 74 80
17 76 83
18 68 82
19 62 89
20 70 85
21 61 92
22 77 85
 Langkah-langkah uji normalitas

1. Buka program SPSS, lalu klik variabel view. Selanjutnya adalah tahap mengisi property variabel
penelitian. Adapun ketentuannya dapat mengikuti gambar di bawah ini

2. Untuk mengisi “values” maka klik tombol None hingga muncul kotak dialog “value label”, pada
kota value isikan 1 dan pada kotak label isikan kelas A, lalu klik Add. Gunakan cara yang sama
untuk kelas B
3. Klik Data view, lalu input data
hasil belajar matematika siswa
Kelas A lanjutkan dibawahnya
hasil belajar kelas B ke kotak
“Hasil” kemudian masukkan data
kategorisasi atau kode kelas A
lanjut dibawahnya kode kelas B
ke kotak “Kelas”
4. Selanjutnya cara mencari uji normalitas:
Analyze – Descriptive Statistic - Explore
5. Klik “kelas” pindahkan menggunakan panah ke Dependent list
“Kelompok” pindahkan menngunakan panah ke Factor List
6. Pilih Plots kemudian klik Normality Plots with tests
7. Klik continue
8. Klik Ok
9. Sig > 0,05 berarti data normal
Langkah-langkah uji homogenitas

1. Klik Analyze – Compare Means – One Way Anova

2. Kelas pindahkan ke Dependent List
3. Kelompok pindahkan ke Factor
4. Klik options – klik Homogeneity of variance test – continue
5. Klik Ok
6. Jika > 0,05 maka data homogen
Langkah – langkah Uji T

1. Klik Analyze – Compare Means – Independent Samples T test

2. “Kelas” pindahkan menggunakan panah ke kolom Test
Variable
3. “kelompok” pindahkan pada kolom Grouping Variable
4. Klik Define Groups – isi group 1 (1) dan group 2 (2) – continue
5. Klik OK
1. Berdasarkan output di atas diketahui nilai sig Levene’s Test for Equality of Variances adalah
0.071 > 0,05 maka dapat diartikan bahwah varians dari kelas A dan kelas B homogen.

2. berdasarkan tabel output “Independent Samples Test” pada bagian “Equal variances
assumed” diketahui nilai sig (2 tailed) sebesar 0,000 < 0.05, maka sebagaimana dasar
pengambilan keputusan dalam uji independent sample t test dapat disimpulkan bahwa Ho
ditolak dan Ha diterima. Dengan demikian dapat disimpulkan bahwa perbedaan yang signifikan
(nyata) antara rata-rata hasil belajar siswa pada kelompok A dengan kelompok B.

3. t hitung bernilai negative (-11.330) bukan merupakan sebuah kesalahan, namun, t hitung
bernilai negative ini disebabkan karena nilai rata-rata hasil belajar pada kelompok A lebih
rendah dari nilai rata-rata hasil belajar pada kelompok B. maka jika anda menggunakan
keputusan dalam uji independent sample t test melalui perbandingan anatara t hitung dan t
tabel, makan nilai t hutung disini berarti positif yakni 11,330
TERIMA KASIH